又度过了一个休息饱满的周末,神清气足,心说周末晚间再吸取一波知识趋势,补足这该死的“习惯坚持”,就以“工业化的前夜”作为主旨来闲扯一下
发现身边事儿、聊点周奇遇，我是沈二，期待奇遇的互联网灵魂~、一起聊天吹水，探索新的可能~wx:breathingss，入圈吧！
前情
周末陪着孩子去买了“加压”习题,这并不是我的主意,自己的要求,这我就一点办法也没有了，本身对孩子期许和希望,只是希望能够健康快乐的长大,额，期望和实际总会有偏差,顺带手选了个小学读物，但感觉我读着也有些合适的书，看到91年的万维网到09年的微博,有种参与到某种时代浪潮中的感觉,果断就买了,我也不清楚我在期望孩子在这里面了解什么，只是觉得应该了解这种变化，毕竟这是个快时代,但一杯奶茶，一段陪伴也许就是此刻最开心的事儿,远虑和当下的环境并不是一个匹配的等级，简单的快乐就足够，但我并没有什么后盾,有些焦虑和考量总该我去承担。
总之，AI 已经不是实验室产品，而是处于工业化的前夜，今后一到两年内，就会完全颠覆内容行业。
由于 AI 可以低成本地、大量地、源源不断地生成内容，内容很快就会贬值，因为有越来越多的 AI 生成的内容可供消费。
内容从业者（作家、记者、摄影师、歌手、音乐家、演员、导演等等）都将不得不与 AI 竞争。但只要你是依靠人力来创造内容，就会发现越来越难以赢得观众，只有少数头部创作者可以赚到钱。
顺便说一句，这个周刊也属于内容行业，也是在生产内容，而且目前还是人力生产。如果周刊还想办下去，势必就要摆脱人工模式，改成自动化模式或者 AI 模式，这样才能更多、更快地生产内容。
一年的酝酿和强有力的迭代,越来越多的人已经带入到了工作和创作当中,似乎比颠覆资料检索模式更加难以想象，就像波浪一样悄无声息的扩散，惊觉之间，已身处大变革之中。
插曲
前半部分的内容是上周写到一半儿的内容,结果中间经过一周,OpenAI的内斗大戏接连上演,所以你看,可变因子就就这么不期而遇,但号角已经发起,10多年前的人工智能从BP神经网络算法,回归收缩率的问题一直得不到有效解决，方向也主打的是预测和逻辑判断，到其后的卷积神经网络及优化沉淀,解决了图的标注识别,准确率和复杂类型得到了有效解决,这其中也促进着网站的反爬验证码的革新、那一直推崇的OpenAI语义模型,从感官上解决的是语义模型这个点,读懂输入,归纳输出、知道你的要求是什么,然后输出你想要的,这是另外一个升级维度的内容,归纳总结和语义的理解,算力和训练收缩周期的提升,让训练的时间成本变低,让“进化”变得有意思起来。
大而化之
相较于搜索、阅读、创作以及大而泛的各种大模型集成平台、以及AI绘图
图文语音的传媒革新：如果你在抖音看过有人专门给你读小说还配动画的类似博主,就知道去年还用几个工具穿插制作,现在都有成套工具去做了,就知道效率工具找到需求和方向是有多猛了。
专业领域知识库：相信之前有做过资料检索或者归档类的均有过感悟,对非结构化文档知识库的检索,要做很多复杂的贴标、摘要、分析等内容,而最神往的就是内容的归结让他“融为一体”。
化而大之
当所有的知识都被训练的足够支撑,细分的领域又会逐步的合而为一,变成一个庞大海量的知识库,只要新得投喂不会终结,”进化”就不会停止,当每个人的知识体量都一致的时候,个体的差异,又会表现为什么呢？
效率的提升带来了什么？
我以去年和今年的工作中的经历来做对比,去年一些文档内容的词条经常要凭空想象,基本上找个老半天的资料熟悉概念和共性,再花个老半天时间归纳调整CV大法,到细致处再不停的对比分析,提炼出符合诉求的内容、年底的时候就感觉许许多多的内容没有那么费劲,进度神速,内容还是那些内容,只不过我们找资料和摘选的速度变快了,解放出来的时间,更多的集中到了宏观一层,与此同时,事情变得顺手,相对应的类似的事情也会变多，但这也会促使你去思考,你在这其中的作用是什么,换个人去做,为什么别人会比你做的更好？
同样的,类比一下，在Vue和React还没有使得功能开发那么容易的时候,对比现在,我们个体的变化又有什么差异？
为啥不安？
最真实的原因就是怕失去生存空间，跟不上发展被淘汰,想躺被罚站、终生学习~,变化和意外似乎变得更加频繁和不确定,似乎是被逼着去做选择题,不选A就要选B,还要给你加个倒计时,咋说呢，总不至于交个白卷吧,蒙一个,也许它是对的呢。
